图像分析用 OpenCV 与 Skimage，哪一个更好？

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

这两种算法在它们可以检测到的和不能检测到的方面都有其起伏。

OpenCV 是用 C++ 在后端进行编程的，并作为一个机器学习包，来分析 Python 中的图像模式。

Skimage 也称为 Scikit-Image ，是一个机器学习软件包，用于图像预处理以发现隐藏模式。

两者的最佳平台

OpenCV 建议在基于服务器的 notebook 上完成，比如 google colab，或者 google cloud、Azure cloud 甚至 IBM 中的 notebook 扩展。

而对于 Skimage 来说，即使是 Jupyter Lab/Notebooks 也能很好地工作，因为它在处理上没有 OpenCV 那么复杂。

使用 Skimage 分析面部数据的 Python 代码

from skimage import data
from skimage.feature import Cascade


import matplotlib.pyplot as plt
from matplotlib import patches


# Load the trained file from the module root.
trained_file = data.lbp_frontal_face_cascade_filename()


# Initialize the detector cascade.
detector = Cascade(trained_file)


img = data.astronaut()


detected = detector.detect_multi_scale(img=img,
                                       scale_factor=1.2,
                                       step_ratio=1,
                                       min_size=(60, 60),
                                       max_size=(90, 500))


plt.imshow(img)
img_desc = plt.gca()
plt.set_cmap('gray')


for patch in detected:


    img_desc.add_patch(
        patches.Rectangle(
            (patch['c'], patch['r']),
            patch['width'],
            patch['height'],
            fill=False,
            color='r',
            linewidth=2
        )
    )


plt.show()

# We have detected a face using Skimage in python
# Obtain the segmentation with default 100 regions
segments = slic(img)


# Obtain segmented image using label2rgb
segmented_image = label2rgb(segments, img, kind=’avg’)


# Detect the faces with multi scale method
detected = detector.detect_multi_scale(img=segmented_image, 
                                       scale_factor=1.2, 
                                       step_ratio=1, 
                                       min_size=(10, 10), max_size=(1000, 1000))


# Show the detected faces
show_detected_face(segmented_image, detected)

因此我们在这里看到了如何使用 python 中的 Skimage 检测人脸和推断图像。

使用 OpenCV 分析数据的 Python 代码

from google.colab import drive
drive.mount('/content/drive')
image = cv2.imread(r'/content/drive/MyDrive/12-14-2020-tout.jpg')
# check properties of the image
image.shape
# This image has 1333 pxl width, 2000 pxl height and 3 channels(red, green, blue)
from google.colab.patches import cv2_imshow
cv2_imshow(image)

这里我们使用OpenCV上传了一张图片：

eye_detector = cv2.CascadeClassifier('/content/drive/MyDrive/haarcascade_frontalcatface.xml')
eye_detections = eye_detector.detectMultiScale(image)
eye_detections
# detect face with eyes on one of the faces
eye_detections = eye_detector.detectMultiScale(image)
for (x,y,w,h) in eye_detections:
cv2.rectangle(image, (x,y), (x+w, y+h), (0,300,0), 2)
cv2_imshow(image)

在这里，我们使用 OpenCV 中的 Hascade 参数技术检测了其中一张人脸，该技术也可以调整以检测所有人脸。

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~